Estudio analítico y numérico de un método de recuperación de información basado en una red neuronal de una sola capa con optimización del rendimiento del algoritmo de computación
Autores: Kostromitin, Konstantin; Melnikov, Konstantin; Nikonova, Dar"ya
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Estudio analítico y numérico de un método de recuperación de información basado en una red neuronal de una sola capa con optimización del rendimiento del algoritmo de computación
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Modelo matemático
Red neuronal artificial
Reconstrucción de imagen
Ruido
Python
C++
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
Este trabajo presenta un modelo matemático de una red neuronal artificial de capa única de acción rápida aplicada a la tarea de reconstrucción de imágenes después de ruido. Para fines de investigación, este algoritmo fue implementado en los lenguajes de programación Python y C++. La simulación numérica de la eficiencia de recuperación de la red neuronal descrita se realizó para diferentes valores del factor de ruido, el número de muestras requeridas para entrenar elementos en la muestra y la dimensionalidad de los coeficientes de acoplamiento. Se presenta el estudio del modelo matemático de esta red neuronal; como resultado, es posible identificar su esencia, reducir el número de operaciones requeridas para recuperar un solo elemento y aumentar la precisión de recuperación cambiando el orden de cálculo de los coeficientes de acoplamiento.
Descripción
Este trabajo presenta un modelo matemático de una red neuronal artificial de capa única de acción rápida aplicada a la tarea de reconstrucción de imágenes después de ruido. Para fines de investigación, este algoritmo fue implementado en los lenguajes de programación Python y C++. La simulación numérica de la eficiencia de recuperación de la red neuronal descrita se realizó para diferentes valores del factor de ruido, el número de muestras requeridas para entrenar elementos en la muestra y la dimensionalidad de los coeficientes de acoplamiento. Se presenta el estudio del modelo matemático de esta red neuronal; como resultado, es posible identificar su esencia, reducir el número de operaciones requeridas para recuperar un solo elemento y aumentar la precisión de recuperación cambiando el orden de cálculo de los coeficientes de acoplamiento.